文献

J-GLOBAL ID：201602255395233268   整理番号：16A1209760

ノードラベルマッチングは深い信念ネットワークにおける分類性能を改善する【Powered by NICT】

Node label matching improves classification performance in Deep Belief Networks

著者 (3件)： Campbell Allan (School of Computer Science and Information Technology, RMIT University, Melbourne, Victoria 3000, Australia) ,  Ciesielski Vic (School of Computer Science and Information Technology, RMIT University, Melbourne, Victoria 3000, Australia) ,  Qin A. K. (School of Computer Science and Information Technology, RMIT University, Melbourne, Victoria 3000, Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： IJCNN  ページ： 1646-1653  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 人工ニューラルネットワーク分類器の出力信号は,クラスラベル予測因子と同じように節点当り説明されるなら,学習速度と最終的な分類精度が向上するように,学習手順中のネットワークによりコードされる部分的知識は,出力ノードは,各クラスラベルを表現すべきである再割り当てするために利用することができる。これら再帰属を計算するための著者らの方法は,小さな標識検証データセット上での実際のノード出力と標的ラベル間の最大平均相関に基づいている。ノードラベルマッチングは人工ニューラルネットワークにおける教師つき及び教師なしの両学習のための補助法であり,深い信念ネットワークにおける微調整制限付きBoltzmannマシンと逆伝搬における対照的発散トレーニング前との統合を実証した。セグメント密度ランダム二値データセットを導入し,合成データとMNISTベンチマークのサブセットの両方にノードラベルマッチングの経験的結果を提示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 学習 ,  ニューラルネットワーク ,  節点 ,  *ネットワーク ,  ベンチマーク ,  Boltzmannマシン ,  部分集合
準シソーラス用語： 微調整 ,  分類精度 ,  学習速度 ,  予測因子 ,  *信念ネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 信念ネットワーク ,  分類